云知聲-中科院自動化所聯(lián)合實驗室獲CCKS2020醫(yī)療命名實體識別評測冠軍

日前，第十四屆全國知識圖譜與語義計算大會（CCKS-2020）在南昌召開。會上公布了CCKS-2020技術評測結果，云知聲-中科院自動化所語言與知識計算聯(lián)合實驗室在“面向中文電子病歷的醫(yī)療命名實體識別評測任務”中獲得冠軍，并斬獲該任務唯一技術創(chuàng)新獎。

CCKS由中國中文信息學會語言與知識計算專業(yè)委員會主辦，是知識圖譜、語義技術、鏈接數(shù)據(jù)等領域的核心會議。其中，CCKS技術評測致力于促進國內知識圖譜領域的技術發(fā)展，以及學術成果與產(chǎn)業(yè)需求的融合和對接，而“技術創(chuàng)新獎”的設立，專門用于鼓勵創(chuàng)新性技術的使用。

“面向中文電子病歷的醫(yī)療命名實體識別”是CCKS圍繞中文電子病歷語義化開展的系列評測的延續(xù)，在CCKS 2017、2018、2019相關評測任務的基礎上進行了延伸和拓展，旨在從電子病歷純文本文檔中識別并抽取出醫(yī)學臨床相關的實體指稱，并將其歸類到預定義的疾病診斷、影像檢查、實驗室檢驗、手術、藥物以及解剖部位六種實體類別上。

相對于通用領域的命名實體識別，醫(yī)療命名實體識別面臨兩大核心挑戰(zhàn)：

• 實體標注不一致。醫(yī)療領域的標注通常需要醫(yī)學專業(yè)背景的人員，而不同科室方向的標注者對標注標準的理解各異，因此容易出現(xiàn)不同標準的標注結果。這一現(xiàn)象難以用規(guī)則去規(guī)避，也不能簡單的直接糾正訓練集中標注不一致的實體，因為并不知道哪一種標準是正確的。

• 缺乏訓練數(shù)據(jù)。由于醫(yī)學領域數(shù)據(jù)的敏感性，研究者們往往難以獲得足夠多的標注數(shù)據(jù)。標注數(shù)據(jù)的缺乏通常會導致長尾現(xiàn)象以及模型泛化性不足。當訓練數(shù)據(jù)缺乏時，模型的預測結果可能會因模型參數(shù)的不同設置而劇烈變動。在醫(yī)學場景下，需要的是更穩(wěn)定、可靠的模型。

為應對上述難點，云知聲-中科院自動化所聯(lián)合實驗室團隊基于貝葉斯不確定性策略構建了一個基于有噪標簽學習的中文醫(yī)療命名實體識別系統(tǒng)。該系統(tǒng)由基于對抗訓練的半監(jiān)督深度學習融合模塊與基于實體多標、漏標與錯標規(guī)則的后處理模塊共同組成。在本次評測中，系統(tǒng)在官方?jīng)Q賽測試集上取得了嚴格指標0.9156，松弛指標0.9660的最高分數(shù)。

目前，聯(lián)合實驗室團隊這一創(chuàng)新研究成果已在云知聲旗下“智能病歷質控”、“智能語音電子病歷”等產(chǎn)品中應用，并用于醫(yī)療知識圖譜的構建。相關產(chǎn)品已在全國百余所醫(yī)院落地，對于提升醫(yī)生工作效率、強化醫(yī)院信息化管理及智慧醫(yī)療體系建設意義重大。

雷鋒網(wǎng)雷鋒網(wǎng)

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。